球哈希Spherical Hashing

最新推荐文章于 2024-10-27 16:37:36 发布

zwwkity

最新推荐文章于 2024-10-27 16:37:36 发布

阅读量5.6k

点赞数 2

CC 4.0 BY-SA版权

分类专栏： Hashing技术

本文链接：https://blog.youkuaiyun.com/zwwkity/article/details/8565485

Spherical Hashing是一种创建紧凑二进制特征的哈希算法，它在原始特征空间中定义超球面进行划分。与基于超平面的LSH家族不同，该算法通过球心和半径定义超球面，将数据分为球内和球外。哈希函数基于相似度距离度量，如欧氏距离。Spherical Hashing在构建哈希函数时确保相互独立并平衡分区。通过迭代优化球心位置和半径，实现误差限制内的平衡。该方法在计算机视觉和数据检索等领域有应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Definition

Spherical Hashing也是一种产生Compact Binary特征的Hashing算法，不同于基于超平面的LSH Family的Hashing技术，Spherical Hashing在原始的特征空间定义一个超球面with球心和半径，超球面将整个维空间划分为球内和球外两部分，分别用
表示，则Hash函数可表示为：

是相似度距离度量函数，e.g metrics.

[题外话]

Hashing本质上其实是一种二值分类方法，不论是基于超平面还是超球面，都可追溯于Machine Learning中的SVM分类问题，SVM中包含两类分类和单类分类，均基于超平面，还有一种单类分类方法基于超球面named Support Vector Data Description(SVDD)，和Spherical Hashing有些类似。关于两类分类和单类分类可以这样理解：

两类分类：已知Class1和Class2，Class1作为Positive Samples，Class2作为Negative Samples，基于both Positive and Negative Samples去训练一个分类器，得到的就是一个二值分类器。

单类分类：已知Class1作为Positive Samples，仅使用Positive Samples训练一个分类器，将Class1和all non-Class1进行分类，得到的分类器就称为单类分类器。

Distance Metric<